Scientific Computing & Data Science

TheoryComputer Vision 분야에 있어 Feature(특징점)는 매우 중요한 개념입니다. Feature를 이용하여 서로 다른 Frame 간에 어떠한 변화가 있는지 감지할 수 있기 때문입니다. 즉, 컴퓨터가 이미지를 통해 사물을 인식하는 방식은 이미지 전체가 아닌 이미지가 가지고 있는 Feature들을 통해 인식하기 때문입니다. 그렇다면 Image Feature로 정의되는 것들은 무엇일까요?첫째, Edges,둘째, Corners셋째, Blobs(Region of Interest, ROI라고도 함) 이들 Feature의 유형 중 Corner Detector의 하나인 Harris Corner Detector에 대해 알아보기로 하겠습니다. Harris Corner Detector는 1988년에 발표..

Edge를 검출하기 위한 Operator로써 Sobel, Prewitt, Robert, Scharr 등이 있는데 이들은 모두 1차 미분을 기반으로 하고 있습니다. 2차 미분값을 이용하여서도 Edge를 검출할 수가 있는데 이는 일반적으로 Edge에서 2차 미분값이 0이 되기 때문입니다. 그러나, 2차 미분값이 0이 된다고해서 반드시 Edge라는 보장은 없습니다. Edge가 아닌 곳에서도 2차 미분값이 0이 될 수 있는 가능성이 있기 때문입니다.TheoryLaplacian Operator는 2차 미분 Operator로써 다음과 같이 정의됩니다: \( \nabla^2 = \nabla \cdot \nabla = \begin{bmatrix} \displaystyle{ \frac{\partial}{\partial ..

Gaussian Blur는 Gaussian Function을 이용하여 이미지를 블러링하는 기법입니다. Gaussian Function으로부터 계산된 Mask를 통해 각 픽셀에 대한 주변의 픽셀 집합과 회선처리(Convolution)하여 새로운 픽셀값으로 저장합니다. 이 때, 각 코너 및 엣지(Edge)의 픽셀에 대하여서는 회선처리를 할 수 있는 충부한 Element들이 확보되지 않으므로, 엣지를 동일하게 복사하거나 확보되는 element들에 대해서만 회선처리를 할 수 있습니다. 회선처리를 위한 Gaussian Function은 다음과 같습니다: \( G(x,y) = \displaystyle{ \frac{1}{2 \pi \sigma^2} e^{- \displaystyle{ \frac{x^2 + y^2}{2..

MATLAB CODE: "Laplacian.m" function Laplacian %% read an image img = imread('.\res\test_01.jpg'); img = rgb2gray(img); subplot(2,1,1); imshow(img); mask = [0 -1 0 ; -1 4 -1 ; 0 -1 0]; %mask = [1 1 1 ; 1 -8 1 ; 1 1 1]; %mask = [-1 -1 -1 ; -1 8 -1 ; -1 -1 -1]; [rSize, cSize] = size(mask); [nrow, ncol] = size(img); img = cast(img, 'double'); newImg = zeros(nrow,ncol); % Corners subMask = mask(2:3,2..

MATLAB CODE: "HomogeneityOperator.m" function HomogeneityOperator %% read an image img = imread('./res/test_02.jpg'); imshow(img); img = rgb2gray(img); subplot(2,1,1); [nrow, ncol] = size(img); img = cast(img, 'double'); newImg = zeros(nrow,ncol); % Corners i = 1; j = 1; tmp(1) = abs(img(i,j) - img(i,j+1)); tmp(2) = abs(img(i,j) - img(i+1,j+1)); tmp(3) = abs(img(i,j) - img(i+1,j)); newImg(i,j) =..

MATLAB CODE: "Sharpening.m"function Sharpening %% read an image img = imread('./res/test_02.jpg'); img = rgb2gray(img); subplot(2,1,1); imshow(img); %mask = [-1 -1 -1 ; -1 9 -1 ; -1 -1 -1]; mask = [0 -1 0 ; -1 5 -1 ; 0 -1 0]; [rSize, cSize] = size(mask); [nrow, ncol] = size(img); img = cast(img, 'double'); newImg = zeros(nrow,ncol); % Corners subMask = mask(2:3,2:3); i = 1; j = 1; subMat = img(i..

MATLAB CODE: "Gaussian.m"function Gaussian %% read an image img = imread('./res/test_02.jpg'); img = rgb2gray(img); subplot(2,1,1); imshow(img); mask = [1/16 1/8 1/16 ; 1/8 1/4 1/8 ; 1/16 1/8 1/16]; [rSize, cSize] = size(mask); [nrow, ncol] = size(img); img = cast(img, 'double'); newImg = zeros(nrow,ncol); % Corners subMask = mask(2:3,2:3); i = 1; j = 1; subMat = img(i:i+1,j:j+1); newImg(i,j) = ..

MATLAB CODE: "Blurring.m"function Blurring %% read an image img = imread('./res/test_01.jpg'); img = rgb2gray(img); subplot(2,1,1); imshow(img); mask = (1/9)*ones(3,3); [rSize, cSize] = size(mask); [nrow, ncol] = size(img); img = cast(img, 'double'); newImg = zeros(nrow,ncol); % Corners subMask = mask(2:3,2:3); i = 1; j = 1; subMat = img(i:i+1,j:j+1); newImg(i,j) = sum(sum(subMask.*subMat)); sub..

MATLAB CODE: "Embossing.m"function Embossing %% read an image img = imread('./res/test_01.jpg'); img = rgb2gray(img); subplot(2,1,1); imshow(img); mask = [-1 0 0 ; 0 0 0 ; 0 0 1]; [rSize, cSize] = size(mask); [nrow, ncol] = size(img); img = cast(img, 'double'); newImg = zeros(nrow,ncol); % Corners subMask = mask(2:3,2:3); i = 1; j = 1; subMat = img(i:i+1,j:j+1); newImg(i,j) = sum(sum(subMask.*su..

[Step 1]명암 값 j의 빈도 수 hist[j]를 계산하여 입력 영상의 히스토그램을 작성한다. [Step 2]각 명암 값 i에서 0~i까지의 누적 빈도 수(누적합)를 계산한다. [Step 3]2단계에서 구한 누적 빈도 수를 정규화한다(정규화 누적합).n[i] = sum[i] * Imax / NN: 화소의 총수Imax: 최대 명도 값 [MATLAB CODE]function Hist %% read an image img = imread('.\res\vectorc.jpg'); img = rgb2gray(img); [nrow, ncol] = size(img); subplot(1,2,1); imshow(img); %% vectorize img to tmp tmp = []; for(i = 1:nrow) tmp ..